기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

turtle로 정오각형 그리기

정오각형 그리기 

오각형을 그리는 것 역시 정사각형, 정삼각형을 그리는 것과 유사한 과정을 거칩니다. 단지 각 꼭지점의 각도만이 다르지요. 그러면 정오각형의 각 모서리의 각도는 어떻게 될까요?
이를 생각하기에 앞서 각 도형의 내각을 먼저 생각해보죠. 우리는 삼각형의 내각의 합을 알고 있습니다. 이를 이용하면 각 도형에서 삼각형이 몇개가 존재하는지를 알아보고 "삼각형의 갯수×180"로 그 도형의 내각의 합을 구할 수 있을 것입니다. 다음 그림을 볼까요?
위 그림의 사각형은 1개의 대각선으로 2개의 삼각형으로 구성됩니다. 오각형의 경우 2개의 대각선으로 3개의 삼각형으로 구성됩니다. 즉, 다음의 관계를 보이지요.
사각형의 내각 : 삼각형 2개 2×180=360 한각의 값  360/4=90
오각형의 내각 : 삼각형 3개 3×180=540 한각의 값  540/5=108
육각형의 내각 : 삼각형 4개 4×180=720 한각의 값  720/6=120
...
위 그림에서 내각과 외각의 관계를 보면
위 그림의 검은색은 각 모서리의 내각이고 빨간색은 외각을 나타냅니다. 외각은 내각을 이루는 하나의 선을 연장했을 경우 상대되는 각도이라고 했습니다. 그러므로 오각형의 경우 내각 108도에 대한 외각은 72도입니다. 특이할 사항은 사각형이나 오각형이나 외각의 합은 360입니다. 즉, 모든 도형의 외각의 합은 360도입니다. (삼각형의 외각의 합을 구해보세요.) 그러므로 모든 정다각형에서 하나의 외각은 다음과 같이 계산될 수 있겠지요.
360/변수의 수=다각형에서 하나의 외각
위에서 회전을 할 경우 내각이 아닌 외각을 사용해야 함을 알았습니다. 그러므로 오각형을 그리는 계획은 다음과 같이 작성할 수 있겠죠.
1) 지정한 길이만큼 앞으로 이동합니다.
2) 오른쪽 또는 왼쪽으로 72도를 회전합니다.
3) 앞으로 동일한 길이만큼 이동합니다.
4) 오른쪽 또는 왼쪽으로 72도 만큼 이동합니다.
5)1번부터 4번 두변을 그리는 명령으로 3번 반복합니다.(3번 이상이어도 상관없습니다.)
위와같은 순서로 오각형 이상의 정다각형을 그릴수 있는 함수를 작성할 수 있습니다.
def EquipolygonS(t, dis, n):
    for i in range(n):
        t.fd(dis)
        t.right(360/n)
        t.fd(dis) 
위 함수를 사용하여 변의 길이를 다양하게 하여 10각형의 도형들을 그려볼까요?
>>> col=['black', 'yellow', 'green', 'blue','red'] #(1)
>>> length=[10, 20, 30, 40, 50] #(2)
>>> for i in range(5): # (3)
    t.color(col[i])
    EquipolygonS(t, length[i], 10)
위의 코드 중 (1)과 (2)은 아직 소개하지 않은 형태입니다. 파이썬에서 여러개의 문자나 수들을 하나의 덩어리로 만들 수 있어요. 이 덩어리로 만드는 형태를 리스트, 튜플 등이라 하는데 자세한 사항은 3장에서 소개할 것입니다. 위 (1), (2)는 덩어리로 만드는 것 중에 리스트라고 합니다. 그리고 이 덩어리들 중의 각 수 또는 문자는 자신의 고유한 이름 (덩어리 내의 주소이며 인덱스(index)라고 합니다.)를 자동으로 부여 받습니다.  예를들어 위의 col이라는 리스트의 원소는 'black', 'yellow', 'green', 'blue','red'이고 각각의 주소는 0,1,2,3, 그리고 4이 됩니다. (파이썬은 숫자의 시작이 0이라고 했지요.)  이 주소는 그 값을 불러낼 때 사용합니다.



위 덩어리 구조 즉, 리스트에서 어떤 원소를 불러낼 경우 덩어리이름과 대괄호 그리고 주소를 사용하여 다음과 같이 실행하죠.
덩어리이름(객체이름) : 위의 경우 col
객체이름[인덱스]
>> col[1]
 'yellow'
>> col[4]
 'red'
그러므로 위의 (3)번 코드는 이해됩니다. 즉, 십각형 도형을 5개 그리는데 각각의 색과 변의 길이를 다르게 한다는 것입니다.

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같

[matplotlib] 히스토그램(Histogram)

히스토그램(Histogram) 히스토그램은 확률분포의 그래픽적인 표현이며 막대그래프의 종류입니다. 이 그래프가 확률분포와 관계가 있으므로 통계적 요소를 나타내기 위해 많이 사용됩니다. plt.hist(X, bins=10)함수를 사용합니다. x=np.random.randn(1000) plt.hist(x, 10) plt.show() 위 그래프의 y축은 각 구간에 해당하는 갯수이다. 빈도수 대신 확률밀도를 나타내기 위해서는 위 함수의 매개변수 normed=True로 조정하여 나타낼 수 있다. 또한 매개변수 bins의 인수를 숫자로 전달할 수 있지만 리스트 객체로 지정할 수 있다. 막대그래프의 경우와 마찬가지로 각 막대의 폭은 매개변수 width에 의해 조정된다. y=np.linspace(min(x)-1, max(x)+1, 10) y array([-4.48810153, -3.54351935, -2.59893717, -1.65435499, -0.70977282, 0.23480936, 1.17939154, 2.12397372, 3.0685559 , 4.01313807]) plt.hist(x, y, normed=True) plt.show()

R 미분과 적분

내용 expression 미분 2차 미분 mosaic를 사용한 미분 적분 미분과 적분 R에서의 미분과 적분 함수는 expression()함수에 의해 생성된 표현식을 대상으로 합니다. expression expression(문자, 또는 식) 이 표현식의 평가는 eval() 함수에 의해 실행됩니다. > ex1<-expression(1+0:9) > ex1 expression(1 + 0:9) > eval(ex1) [1] 1 2 3 4 5 6 7 8 9 10 > ex2<-expression(u, 2, u+0:9) > ex2 expression(u, 2, u + 0:9) > ex2[1] expression(u) > ex2[2] expression(2) > ex2[3] expression(u + 0:9) > u<-0.9 > eval(ex2[3]) [1] 0.9 1.9 2.9 3.9 4.9 5.9 6.9 7.9 8.9 9.9 미분 D(표현식, 미분 변수) 함수로 미분을 실행합니다. 이 함수의 표현식은 expression() 함수로 생성된 객체이며 미분 변수는 다음 식의 분모의 변수를 의미합니다. $$\frac{d}{d \text{변수}}\text{표현식}$$ 이 함수는 어떤 함수의 미분의 결과를 표현식으로 반환합니다. > D(expression(2*x^3), "x") 2 * (3 * x^2) > eq<-expression(log(x)) > eq expression(log(x)) > D(eq, "x") 1/x > eq2<-expression(a/(1+b*exp(-d*x))); eq2 expression(a/(1 + b * exp(-d * x))) > D(eq2, "x") a * (b * (exp(-d * x) * d))/(1 + b